基于腕部姿态的帕金森病用药后开-关期检测

作     者：张腾 蒋鑫龙 陈益强 陈前 米涛免 陈彪 ZHANG Teng;JIANG Xin-long;CHEN Yi-qiang;CHEN Qian;MI Tao-mian;CHAN Piu

作者机构：中国科学院计算技术研究所北京100190 移动计算与新型终端北京市重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049 首都医科大学宣武医院国家老年疾病临床研究中心北京100053 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2021年第55卷第4期

页      面：639-647,657页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61972383,61902379) 2020年度中国残联课题资助项目(CJFJRRB23-2020) 河北省自然科学基金资助项目(F2019207061) 

主　　题：帕金森疾病 腕部姿态 运动状态评估 可穿戴传感器 深度学习 

摘      要：针对医疗普适场景下的帕金森病患者高精度用药开-关期检测问题,提出基于腕部姿态的帕金森病开-关期检测方法.利用佩戴在手腕处的运动传感器数据进行姿态解算,得到腕部姿态信息特征,作为卷积神经网络输入进行帕金森病开-关期状态分类.在医院临床患者测试数据上进行的对比实验表明,与采用运动传感器原始数据的最优结果相比,采用姿态信息能够提升20.3%的检测准确率;与当前最优的网络结构相比,该方法所采用的卷积神经网络在保持相似检测准确率(88.7%)的前提下,将模型参数量降低90.4%.在医院临床患者自由活动数据上进行的实验表明,该方法能够在非限定动作下预测患者开-关期状态,达到开期91.5%和关期94.4%的准确率.